2020年电子技术应用第12期摘要：多机器人共同创建大规模地图，实现的关键在于机器人相对位置未知的情况下将多张局部栅格地图进行拼接。结合图像特征匹配的方法和改进的粒子群优化算法，先提取待拼接的两幅栅格地图的特征点进行匹配，并筛选有效特征点对；再将特征点对的信息作为改进的粒子群优化算法的输入参数，计算从源图像到目标图像的最佳转换矩阵；最后将转换后的源图像和目标图像使用栅格叠加的规则拼接在一起。通过仿真实验与数据分析，证明了算法的稳定性与准确性。关键词：多机器人、栅格地图拼接、特征匹配、粒子群优化算法0 引言在机械化生产和日常生活中，机器人的使用已非常广泛。

在追求高效的现代生产中，需要机器人能尽快完成任务。在构建大型地图时，单机器人显得力不从心，而多机器人可以分配多个区域，同时构建局部地图，然后再拼接成全局地图，从而提高建图的效率和准确性。如何将多张局部地图拼接成可以用来导航的全局地图是研究的热点，也具有挑战性。国内外研究人员提出了很多方法，大致可以分为两类：一类是已知机器人之间的相对位置，直接通过坐标转换拼接局部地图。文献[1]提出了通过单向观测来估计机器人的位置，再搜索地图之间的最佳匹配。但在大多数情况下，无法准确获取甚至无法获取机器人之间的相对位置。另一类是在相对位置未知的情况下，通过图像配准的方法拼接地图。文献[2]提出一种基于图像正弦图的粒子群优化算法，能够在拼接地图时抑制算法陷入局部最优。也有学者研究使用进化算法解决这个问题，通过交叉变异寻找最优的适应度，找到1地图最大重叠部分[3-4]。

这种方法耗时较长，不能达到实时的效果。文献[5]研究了基于SIFT特征提取的地图拼接方法，通过匹配特征点可以迅速找到图像之间的平移和旋转关系。本文针对激光雷达扫描获得的栅格地图，提出一种结合特征匹配和改进的粒子群优化算法的地图拼接方法。本文所提算法先通过提取特征点匹配两张局部栅格地图，再通过粒子群优化算法精确计算两幅局部地图之间的最佳转换矩阵来拼接地图。点击下方“阅读原文” 可下载完整版PDF文档！